论文阅读-FoundationStereo由于训练数据集的激增和深度神经网络架构的进步,最近的立体匹配算法可以取得惊人的结果,几乎使最具挑战性的基准测试饱和。然而,对目标域的数据集进行微调仍然是获得有竞争力的结果的首选方法。鉴于通过scaling law在计算机视觉中的其他问题上表现出的零样本泛化能力,是什么阻止了立体匹配算法实现类似的泛化水平?作者认为,无法实现零样本泛化能力,要么是网络架构的结构不足,要么是训练数据贫乏,或者两者兼而有之。 FoundationStereo从网络结构和数据集两个方面进行创新,得到了零样本泛化能力极强的立体匹配模